一种检测气候模式指数序列突变点的方法、存储介质、设备

1.本发明涉及一种检测气候模式指数序列突变点的方法，具体说的是一种计算并识别气候模式突变点的流程算法。


背景技术：

2.气候模式不同相位的改变对研究气候变化具有重要价值。已有气候模式突变的检测方法通常使用验证性统计技术和关于变化时间的先验假设。尽管有一些方法可以自动检测时间序列中的不连续性，但由于必须积累足够的数据(至少10年或更长时间)以应用正式的统计检验，导致已有方法的性能在序列结尾处急剧下降。此外，当有足够数据可用时，气候系统可能即将再次转换到相反的状态。


技术实现要素：

3.针对现有技术的上述不足，本发明提供一种检测气候模式指数序列突变点的方法、存储介质、设备，本方法弥补了已有方法的不足，可以以最小延迟检测到气候模式突变并随后监测其幅度随时间的变化，无论传入数据序列以异常值还是绝对值的形式存储。
4.一种检测气候模式指数序列突变点的方法，用于实现对历时或实时在线的气候模式指数序列数据的突变点检测，并可视化直观展示，包括以下步骤：
5.1)读取观测序列数据；
6.2)确定气候模式的截止长度和概率水平，计算不同模式间统计上显著的差异值；
7.3)从模式长度下一数据点开始循环查找突变点；
8.4)计算前一模式r1的均值以及向新模式r2转变在随后截止长度年内应达到的数值；
9.5)若某个点取值与前一气候模式存在显著性差异，则该点被认为是气候模式突变的候选点，否则移动到下个数据点，将该数据点纳入前一气候模式r1，返回步骤4)；
10.6)对该候选点向后截止长度内所有变量，依次计算其模式转移指数，若所有变量的模式转移指数均为正值，则将此候选点确定为模式突变点，更新前一模式r1为模式突变点后的新模式r2，返回步骤4)；否则移动到下一候选点，将该候选点纳入前一气候模式r1，重复步骤4)-6)；
11.7)遍历所有观测序列数据结束循环处理，检测出所有模式突变点；
12.8)对当前观测序列数据的模式突变点进行可视化直观作图。
13.所述确定气候模式的截止长度和概率水平，计算不同模式间统计上显著的差异值为：定义气候模式指数x模式截止长度l以及概率水平p，根据学生t检验计算模式突变点前、后两个模式平均值之间的差异值diff。
14.所述从模式长度下一点开始循环查找突变点具体为：从第j＝l 1的每个值进行检测。
15.所述计算前一模式均值具体为：计算变量x的第j位置前l个值的平均值作为
前一气候模式r1的估计；所述向新模式转变在随后截止长度年内应达到的数值为：计算满足向新模式r2转变，在随后l个值达到的数值
16.所述某个点被认为是气候模式突变的候选点判断具体为：该位置气候模式变量的取值xj超过
17.气候模式突变的候选点判断失败的操作为：将该数据点纳入前一模式，重新计算前一气候模式r1的估计并向后移动至点j 1。
18.所述模式转移指数为rsi：该指数代表归一化异常值的累加；
19.若当i》j，且索引i递增向后共l点的所有i位置模式转移指数均为正值，代表位置i发生模式突变，则此点作为新气候模式r2的起点，计算其估计值并将r2作为新的基准模式，令移动至点j 1按上述步骤继续检测。
20.若模式转移指数出现负值，代表位置i未发生模式突变，将该点纳入前一模式r1，重新计算前一气候模式r1的平均值并向后移动至点j 1。
21.一种检测气候模式指数序列突变点的计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的突变点检测的方法步骤，实现对历时或实时在线的气候模式指数序列的突变点检测。
22.一种检测气候模式指数序列突变点的设备，包括：存储器、处理器，存储器中存储有程序，处理器加载程序执行如上所述的突变点检测的方法步骤，实现对历时或实时在线的气候模式指数序列的突变点检测并可视化直观展示。
23.本发明具有以下有益效果及优点：
24.1.本发明一种检测气候模式指数序列突变点的方法，包括从数据读取、数据处理、计算、结果可视化一整套突变点检测流程。
25.2.本算法仅采用idl程序完成，操作简单，易于实现。
26.3.本算法灵活度高，用户可根据需求对任意气候数据序列的突变点检测，识别满足任意置信度水平的突变点。
附图说明
27.图1是本发明方法的流程图；
28.图2是本发明方法示例检测得到的气候指数突变点的可视化结果图。
具体实施方式
29.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方法做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但本发明能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
30.除非另有定义，本文所使用的所有技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
31.以下实施以1900-2003年1月份太平洋年代际振荡指数pdo突变点检测为例，用于说明本发明的目的，但不用于限定本发明的范围。
32.除气候指数外，本方法可应用于任意大尺度环流指数、海冰范围异常指数、海冰输出通量指数等数据序列。对上述数据进行突变点检测，获取数据模式转折点。
33.本发明解决了目前已有方法检测性能在序列末端急剧下降的问题，所提出可以尽早检测到气候模式转移并随后监测其幅度随时间的变化。
34.如图1所示，程序语言读取pdo序列数据，设置气候模式的截止长度和概率水平，计算不同模式间统计上显著的差异值，从模式长度下一点开始循环查找突变点，判断某个点取值与前一气候模式是否存在显著性差异，如存在则计算模式转移系数，否则移动到下个点。若模式转移指数均为正值，则将此点确定为模式突变点，将新模式作为基准，否则移动到下一点，将该点纳入前一气候模式，重复上述步骤，进行模式突变点检测。包括以下步骤：
35.步骤1)：设置气候模式指数变量x模式截止长度l年，以及概率水平p后，根据学生t检验(该值具有统计学意义)计算前、后两个模式平均值之间的差异值diff，计算方法如下：
36.公式1：
37.从第j＝l 1的每个值进行检测，首先计算指数变量x的第j位置前l个值的平均值作为前一气候模式r1的估计。计算向新模式r2转变在随后截止长度年内应达到的数值计算方法如下：
38.公式2：
39.若该第j位置气候模式指数变量的取值xj与前一气候模式的均值存在显著性差异，即满足公式三或公式四，则该点被认为是气候模式突变的候选点。
40.公式3：
41.公式4：
42.其中，t为给定概率水平p下具有2l自由度的t分布值。在本方法中，假设前、后两种气候模式的方差相同，并且等于变量时间序列中以l为滑动窗口的平均方差
43.当此位置被检测为气候模式突变的候选点后，计算该点向后共l点的模式转移指数指rsi，计算方法如公式四。对其中所有i》j，若xj与的差值具有相同的符号，则会增加确实发生模式突变的置信度；若具有相反的符号，则相反。
44.公式5：
45.其中，当时，当时，其中，若当前点i满足向新模式r2转变，则为在随后l个值达到的平均值。
46.若当i》j时，所有i位置模式转移指数rsi均为正值，代表位置发生模式突变，此点作为新气候模式r2的起点，计算其估计值并将r2作为新的基准模式(即令)，移动至点j＝j 1按上述步骤继续检测，这是为了确保即使r2模式的实际持续时间少于l
年，也能正确确定下一次模式突变的时间。若模式转移指数出现负值，代表该位置未发生模式突变，将该点纳入前一模式，重新计算前一气候模式r1的估计并向后移动一个点j＝j 1。
47.利用idl的for循环语句进行迭代处理，直至检测出所有的突变点。如图2所示为可视化作图的直观展示，1900-2003年pdo指数检测出的模式突变点位于1911、1922、1945、1958、1977、1989、2003年，可见在上述各个突变点气候发生模式转移，这对于研究气候的改变具有非常重要的意义。
48.一种检测气候模式指数序列突变点的方法，以idl程序实现。
49.进一步的，可以将上述方法步骤利用程序实现后存储在计算机可读介质上，连接存储器执行程序。
50.更进一步的，还可以将计算机可读介质以及处理器作为设备，处理器加载程序实现对历时或实时在线的气候模式指数序列的突变点检测并可视化直观展示。以上所述是本发明的主要特征，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰应视为本发明的保护范围。